Veja como o ensemble se saiu
Vamos verificar o desempenho do nosso modelo em ensemble para ver como ele está indo. Devemos ver aproximadamente uma média das pontuações de R\(^2\), além de um diagrama de dispersão que mistura as previsões dos nossos modelos anteriores. O formato de gravata-borboleta do modelo com função de perda personalizada ainda deve estar um pouco visível, mas as bordas perto de x=0 devem estar mais suaves.
Este exercicio faz parte do curso
Machine Learning para Finanças em Python
Instruções do exercicio
- Avalie as pontuações de R\(^2\) nos conjuntos de treino e teste. Use a função
r2_score()dosklearn(já importada para você) comtrain_targetsetrain_predsdo exercício anterior. - Plote as previsões de treino e teste versus os valores reais com
plt.scatter().
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
from sklearn.metrics import r2_score
# Evaluate the R^2 scores
print(r2_score(____, ____))
print(r2_score(test_targets, test_preds))
# Scatter the predictions vs actual -- this one is interesting!
plt.scatter(____, ____, ____)
plt.scatter(test_preds, test_targets, label='test')
plt.legend(); plt.show()